La optimización para motores generativos (GEO, por sus siglas en inglés) es la práctica de dar forma al contenido en línea para que sea más probable que sea mostrado, citado o referenciado por sistemas de IA generativa, como chatbots y resúmenes de búsqueda impulsados por IA, posicionada por los profesionales como una disciplina sucesora o complementaria a la optimización tradicional para motores de búsqueda. El término fue formalizado en un artículo de investigación de 2023 por un grupo de investigadores académicos y de la industria que compararon qué características del contenido mejoraban la visibilidad de una fuente dentro de las respuestas generadas por IA, y ganó un uso comercial más amplio a medida que productos como Perplexity y funciones de respuestas con IA de los principales motores de búsqueda comenzaron a citar fuentes directamente dentro de las respuestas generadas en lugar de solo enumerar enlaces.
Donde la optimización para motores de búsqueda se dirige a la posición en el ranking de una lista de enlaces que un humano luego hace clic, GEO se dirige a ser seleccionado, citado o parafraseado como una cita dentro de una respuesta generada por IA que un usuario puede nunca hacer clic más allá.
Técnicas
Los profesionales de GEO enfatizan agregar estadísticas claras, citas directas y hechos estructurados que los modelos puedan extraer y citar fácilmente, ya que la investigación sobre GEO encontró que el contenido con declaraciones concretas y citables era desproporcionadamente favorecido por los sistemas de respuesta generativa. Mejorar la rastreabilidad técnica y proporcionar una estructura de página limpia y de bajo ruido, incluyendo convenciones como llms.txt, está destinado a ayudar tanto a los rastreadores tradicionales como a los buscadores específicos de IA a parsear el contenido de manera fiable. Construir autoridad temática y marcado estructurado hace eco de técnicas más antiguas de la práctica de grafo de conocimiento y de la web semántica, ya que los sistemas de IA parecen ponderar la autoridad percibida al elegir qué fuentes citar. Monitorear la frecuencia de citas en los principales asistentes de IA también ha surgido como una nueva categoría de analítica, distinta del seguimiento clásico del ranking de búsqueda
Relación con la búsqueda y críticas
GEO se sitúa en la intersección de la investigación de procesamiento del lenguaje natural y búsqueda semántica y la práctica de marketing, y su auge refleja un cambio más amplio en cómo las personas acceden a la información, desde hacer clic a través de enlaces clasificados hacia leer respuestas sintetizadas generadas por grandes modelos de lenguaje. Los editores han planteado preocupaciones de que los motores de respuesta con IA reducen el tráfico de referencia incluso mientras dependen del contenido de los editores para generar respuestas, lo que provoca disputas sobre compensación y atribución. Los críticos también advierten que la práctica generalizada de GEO corre el riesgo de producir contenido optimizado para complacer las preferencias de citación de un modelo en lugar de servir bien a los lectores humanos, una dinámica que algunos vinculan con el problema más amplio de basura de IA inundando la web con contenido diseñado para algoritmos en lugar de para audiencias.